python-哈希查找-時間複雜度O(1)

哈希查找是通過計算數據元素的存儲地址進行查找的一種方法。

比如”5“是一個要保存的數，然後我丟給哈希函數，哈希函數給我返回一個”2”，那麼此時的”5“和“2”就建立一種對應關係，這種關係就是所謂的“哈希關係”，在實際應用中也就形成了”2“是key，”5“是value。

哈希必須要遵守兩點原則：
①: key儘可能的分散，也就是我丟一個“6”和“5”給你，你都返回一個“2”，那麼這樣的哈希函數不盡完美。
②： 哈希函數儘可能的簡單，也就是說丟一個“6”給你，你哈希函數要搞1小時才能給我，這樣也是不好的。

常用的哈希函數構造方法：

• 直接定址法：很容易理解，key=Value+C； 這個“C”是常量。Value+C其實就是一個簡單的哈希函數。
• 除法取餘法： 很容易理解， key=value%C;解釋同上。
• 數字分析法：這種蠻有意思，比如有一組value1=112233，value2=112633，value3=119033，針對這樣的數我們分析數中間兩個數比較波動，其他數不變。那麼我們取key的值就可以是key1=22,key2=26,key3=90。
• 平方取中法。此處忽略，見名識意。

• 摺疊法：這種蠻有意思,比如value=135790，要求key是2位數的散列值。那麼我們將value變爲13+57+90=160，然後去掉高位“1”,此時key=60，哈哈，這就是他們的哈希關係，這樣做的目的就是key與每一位value都相關，來做到“散列地址”儘可能分散的目地。

  ·

當兩個不同的數據元素的哈希值相同時，就會發生衝突。解決衝突常用的手法有2種：

• 開放地址法：如果兩個數據元素的哈希值相同，則在哈希表中爲後插入的數據元素另外選擇一個表項。當程序查找哈希表時，如果沒有在第一個對應的哈希表項中找到符合查找要求的數據元素，程序就會繼續往後查找，直到找到一個符合查找要求的數據元素，或者遇到一個空的表項。
• 鏈接法：將哈希值相同的數據元素存放在一個鏈表中，在查找哈希表的過程中，當查找到這個鏈表時，必須採用線性查找方法。

代碼

#coding=utf-8
__author__ = 'a359680405'

#除法取餘法實現的哈希函數
def myHash(data,hashLength,):
    return data % hashLength
#哈希表檢索數據
def searchHash(hash,hashLength,data):
    hashAddress=myHash(data,hashLength)
   #指定hashAddress存在，但並非關鍵值，則用開放尋址法解決
    while hash.get(hashAddress) and hash[hashAddress]!=data:
        hashAddress+=1
        hashAddress=hashAddress%hashLength
    if hash.get(hashAddress)==None:
        return None
    return hashAddress

#數據插入哈希表
def insertHash(hash,hashLength,data):
    hashAddress=myHash(data,hashLength)
    #如果key存在說明應經被別人佔用， 需要解決衝突
    while(hash.get(hashAddress)):
        #用開放尋執法
        hashAddress+=1
        hashAddress=myHash(hashAddress,hashLength)
    hash[hashAddress]=data

if __name__ == '__main__':
    hashLength=20
    L=[13, 29, 27, 28, 26, 30, 38 ]
    hash={}
    for i in L:
        insertHash(hash,hashLength,i)
    result=searchHash(hash,hashLength,38)
    if result:
        print("數據已找到，索引位置在",result)
        print(hash[result])
    else:
        print("沒有找到數據")

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39

時間複雜度O(1)

轉載地址http://blog.csdn.net/a359680405/article/details/51152084